Vol.42，No.3Jun.2023第42卷第3期2023年6月海洋技术学报JOURNALOFOCEANTECHNOLOGYdoi：10.3969/j.issn.1003-2029.2023.03.002基于Landsat8TIRS数据的海表温度反演算法对比朱博1，陈正华2，陆永强2，黄荣永2（1.广西大学资源环境与材料学院，广西南宁530004；2.广西大学海洋学院，广西南宁530004）摘要：海表温度（SeaSurfaceTemperature，SST）是研究气候变化的重要参数，具有重要研究意义。为了选出适用于近海海域的最优温度反演算法，本文基于Landsat8卫星遥感数据，以北部湾海域为研究区，对比分析了包括辐射方程传输法（RadiativeTransferModel，RTM）、单窗算法（Mono-windowmodel，MW）、单通道算法（Single-channelmodel，SC）、线性劈窗算法（LinearSplit-windowAlgorithm，SW1）和非线性劈窗算法（Non-linearSplit-windowAlgorithm，SW2）在内的海表温度反演算法的反演精度并进行了敏感性分析。同时本文利用劈窗协方差-方差比值法（SplitWindowCovariance-varianceRatio，SWCVR）来反演大气水汽含量数据，减少了温度反演过程中对外部数据的依赖，研究结果表明：基于Landsat8TIRS（ThermalInfraredSensor）数据的SWCVR法进行大气水汽含量反演的效果较好，误差约在0.5g/cm2；与实测海温数据相比SW2与SC算法精度较高，误差约为0.6K；RTM与SW1算法次之，误差约为1.6K与1.9K；MW算法精度较低，误差约为2.5K；与AVHRR（AdvancedVeryHighResolutionRadiometer）SST产品进行相比两种劈窗算法的精度较高，误差约为1K和1.3K，SC算法精度较劈窗算法略低，误差约为1.4K左右，RTM与MW算法精度较低，误差约为2K与3K；SW2算法对参数的敏感性最低，其次是SC算法、SW1算法与MW算法，RTM算法的敏感性最高。关键词：海表温度；Landsat8；反演算法；大气水汽含量中图分类号：TP701文献标识码：A文章编号：1003-2029（2023）03-0009-11收稿日期：2022-11-18基金项目：广西自然科学基金资助项目（2020GXNSFAA297245）；广西南海珊瑚礁研究重点实验室自主基金资助项目（GXLSCR-SCS2021102）作者简介：朱博（1998—），男，硕士研究生，主要从事遥感环境监测研究。E-mail：zb13736965388@163.com通讯作者：陈正华（1980—），女，博士，副教授，主要从事遥感和地理信息系统应用研究。E-mail：chen.zhenghua@163.com海表温度是海表面海-空水汽与热量交换研究的一个重要参数[1]，同时海表温度还影响海洋环境与海洋生物等，通过遥感卫星数据来监测研究区域的海表温度...
